CN113947726B - 基于互联网的生态河湖区域监管*** - Google Patents
基于互联网的生态河湖区域监管*** Download PDFInfo
- Publication number
- CN113947726B CN113947726B CN202111271738.8A CN202111271738A CN113947726B CN 113947726 B CN113947726 B CN 113947726B CN 202111271738 A CN202111271738 A CN 202111271738A CN 113947726 B CN113947726 B CN 113947726B
- Authority
- CN
- China
- Prior art keywords
- water quality
- river
- grid
- lake
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 440
- 230000002159 abnormal effect Effects 0.000 claims abstract description 97
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 239000013598 vector Substances 0.000 claims description 122
- 238000010606 normalization Methods 0.000 claims description 94
- 230000008859 change Effects 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 22
- 238000011144 upstream manufacturing Methods 0.000 claims description 19
- 238000012216 screening Methods 0.000 claims description 16
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 5
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 229930002875 chlorophyll Natural products 0.000 claims description 5
- 235000019804 chlorophyll Nutrition 0.000 claims description 5
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 229910052698 phosphorus Inorganic materials 0.000 claims description 5
- 239000011574 phosphorus Substances 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 8
- 239000010865 sewage Substances 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000005162 X-ray Laue diffraction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了基于互联网的生态河湖区域监管***,所述水质反演模块通过数据采集与获取模块得到的图像信息对相应的河湖区域进行水质反演,得到相应河湖区域的水质情况;所述水质异常区域锁定模块根据水质反演模块得到的相应河湖区域的水质情况,锁定河湖区域内的水质异常区域。本发明通过遥感技术在对河湖区域的生态水质进行监控的过程中,不仅能够同时针对较多区域进行水质分析,通过水质反演得到相应河湖区域对应的水质情况,适应能力强,且相比传统水质监测方法,能够有效节省监测成本;同时本发明还能够通过水质反演技术,能够准确筛选出水质异常区域,并得到针对性的校准量,实现对河湖区域的有效管理。
Description
技术领域
本发明涉及河湖管理技术领域,具体为基于互联网的生态河湖区域监管***。
背景技术
随着工业的快速发展,人们对河湖区域的生态破坏越来越严重,工业废水及生活污水的排放,造成了严重的水体污染及水体富营养化,为人们造成巨大的困扰,其不仅严重影响了周边的生态环境,还危害了人们的身体健康。针对这种情况,近年来,国家不断加强对河湖的监管措施,增强对河湖的治理。
对生态河湖区域监管的现有技术中,是通过建设水体检测站对河湖区域的生态及水质情况进行检测,但是该方式建设成本太高,灵活性较差,无法同时针对多个地区进行检测。
针对上述情况,我们需要基于互联网的生态河湖区域监管***。
发明内容
本发明的目的在于提供基于互联网的生态河湖区域监管***,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:基于互联网的生态河湖区域监管***,包括:
数据采集与获取模块,所述数据采集与获取模块通过无人机遥感及卫星遥感对河湖区域的图像信息进行采集;
水质反演模块,所述水质反演模块通过数据采集与获取模块得到的图像信息对相应的河湖区域进行水质反演,得到相应河湖区域的水质情况;
水质异常区域锁定模块,所述水质异常区域锁定模块根据水质反演模块得到的相应河湖区域的水质情况,锁定河湖区域内的水质异常区域;
水质异常分析模块,所述水质异常分析模块根据锁定的河湖区域内的水质异常区域,获取针对水质异常区域的校准量。
本发明通过各个模块的协同合作,共同实现对河湖区域生态的监管,通过遥感技术实现对河湖区域的水质进行水质反演,并根据获取的结果分析出水质异常区域,并进一步对水质异常区域进行分析,得到针对水质异常区域的校准量,实现对河湖区域的尽管。
进一步的,所述无人机遥感是通过无人机搭载热红外相机、高光谱成像仪实现的,控制无人机飞行两次,分别获取针对河湖区域的热红外数据和高光谱数据;
所述数据采集与获取模块对河湖区域的图像信息进行获取时,获取的均是该河湖区域最近第一单位时间内的图像信息。
本发明根据不同水质情况对应的该光谱数据不同,进而可以通过采用遥感技术采集的图像信息分析出河湖区域不同时间不同位置对应的水质情况,人红外数据是为了辅助高光谱数据对水质进行分析的;控制无人机飞行两次是为了分别通过热红外相机及高光谱成像仪获取相应河湖区域的人红外数据及高光谱数据,避免获取的数据出现混乱;采集该河湖区域最近第一单位时间内的图像信息,一方面是为了分析的样本量足够大,避免因偶然因素导致的数据误差造成最终的分析结果出现错误,另一方面是为了及时有效的获取河湖区域生态情况(水质情况),针对异常情况及时进行处理。
进一步的,所述水质反演模块通过数据采集与获取模块得到的图像信息对相应的河湖区域进行水质反演时,得到该河湖区域对应的水质因素在空间及时间方面的变化,并通过三维模型分别将该河湖区域对应的水质因素在空间及时间方面的变化进行呈现,
所述水质因素包括水体指数、叶绿素浓度、浊度、氨氮、总磷、溶解氧。
本发明水体指数、叶绿素浓度、浊度、氨氮、总磷、溶解氧这几个水质因素均能有效得到反馈出河湖区域的水质情况,且这几个水质因素均能通过水质反演进行获取;通过三维模型分别呈现出该河湖区域对应的水质因素在空间及时间方面的变化情况能够便于对该河湖水质情况进行详细分析,根据水质因素的变化情况锁定该河湖区域对应的水质异常区域,便于对水质异常区域进行监管与调控。
进一步的,通过三维模型分别将该河湖区域对应的水质因素在空间及时间方面的变化进行呈现的方法包括以下步骤:
S1.1、提取图像信息的河湖区域中的水域范围对应的图像,记为a;
S1.2、计算a对应实际河湖的长度a1,计算a中各点相对上游端点的距离为不同值时相应点对应实际河湖的宽度a2;
S1.3、根据河湖区域的热红外数据和高光谱数据对该河湖区域的水质情况进行水质反演,得到该河湖区域不同时间不同位置不同水质因素对应的数值;
S1.4、以o为原点,计算采集数据对应时间与第一时间的差值对应的时间节点,以原点到时间节点的方向为x轴正方向,以河湖区域上游端点到各位置的长度y轴正方向,以水质因素对应数值从小到大的顺序为z轴正方向,构建空间直角坐标系,
所述空间直角坐标系中,原点表示该河湖区域第一时间节点的上游端点位置中水质因素对应数值为0的点,为一个参照点,
所述第一时间为采集数据中各数据对应的最早时间,
空间直角坐标系中x轴对应的值表示该河湖区域相对参照点对应的时间节点,
空间直角坐标系中y轴对应的值表示该河湖区域相对参照点对应的长度,
空间直角坐标系中z轴对应的值表示该河湖区域在相对参照点的某时间节点某长度下,该河湖区域对应的所有宽度值相应的位置,经过水质反演后各位置对应的同一水质因素对应数值的平均值;
S1.5、在空间直角坐标系中,将该河湖区域不同时间不同位置不同水质因素对应的数值呈现出来,并对该河湖区域不同时间不同位置同一水质因素对应的数值进行拟合,得到该河湖区域不同时间不同位置同一水质因素对应的波动曲面;
S1.6、在空间直角坐标系中,得到该河湖区域不同时间不同位置不同水质因素对应的波动曲面,并对相同时间相同位置不同水质因素对应的值进行归一化处理,根据对应的归一化处理结果得到该河湖区域不同时间不同位置的水质归一化波动曲面;
对相同时间相同位置不同水质因素对应的值进行归一化处理的方法为:
S1-1、分别获取相同时间相同位置不同水质因素对应的值;
S1-2、分别将相同时间相同位置不同水质因素对应的值乘上相应水质因素对应的归一化系数,并分别将相同时间相同位置不同水质因素对应的的乘积进行累加,进而得到相同时间相同位置的水质归一化值,
不同水质因素对应的归一化系数不同,所述归一化系数是通过数据库匹配获取的。
本发明获取a对应实际河湖的长度a1是为了确认该河湖区域对应的空间位置,同时为空间直角坐标系中y轴的构建提供参考,并对y轴坐标值的取值范围进行限定,即y的取值范围为大于0且小于等于a1;计算a对应的a1为不同值时对应实际河湖的宽度a2是因为通过遥感技术采集的信息中某一河湖长度对应有多个点,因此需要获取不同的a1值对应的实际河湖的宽度a2,通过a1与a2对河湖区域中的具***置进行确定,并得到该点对应的不同水质因素对应的水质反演结果;由于空间直角坐标系是三维的,一维用拉埃记录河湖对应的时间数据,一维用来记录水质反演结果,因此,只剩下一维用来表示不同水质因素结果与空间的变化关系,因此需要用一维坐标呈现出河湖的空间位置变化(选择河湖的长度而不是河湖宽度,是因为不同的河湖长度有的设置有排污管道,排除的污水对河湖水质影响变化较大,而不同的河湖宽度则不具备其特点);对该河湖区域不同时间不同位置同一水质因素对应的数值进行拟合是因为未拟合前各个点是孤立的,不便于相互之间进行数据比较,对数据变化趋势的分析不直观,而拟合后,则点与点之间是平滑连接的,得到该河湖区域不同时间不同位置同一水质因素对应的波动曲面,能够较为直观的获取同一水质因素在空间及时间上的变化趋势;获取该河湖区域不同时间不同位置的水质归一化波动曲面是为了对该河湖区域不同时间不同位置的不同水质因素进行综合分析,得到该河湖区域不同时间不同位置的水质综合变化情况。本发明中空间直角坐标系中z轴不仅表示该河湖区域在相对参照点的某时间节点某长度下,该河湖区域对应的所有宽度值相应的位置,经过水质反演后各位置对应的同一水质因素对应数值的平均值,其主要体现的是河湖区域不同时间不同空间位置对应的水质情况,因此,在水质归一化波动曲面中,空间直角坐标系中z轴数值表示的是不同时间不同空间位置的水质归一化值,反映的也是水质情况。空间直角坐标系中x轴对应的值表示该河湖区域相对参照点对应的时间节点,即各点的x轴的值为各点对应的采集数据的相应时间与第一时间的差值。
进一步的,所述水质异常区域锁定模块包括栅格向量处理模块及异常水质判定模块,
所述栅格向量处理模块对空间直角坐标系进行栅格化处理,并获取水质归一化波动曲面各栅格对应的栅格向量;
所述异常水质判定模块根据水质归一化波动曲面各栅格对应的栅格向量之间的关系,锁定空间直角坐标系中异常水质对应的栅格,进而获取水质异常区域。
本发明水质异常区域锁定模块对空间直角坐标系进行栅格化处理是为了获取栅格对应的空间及时间范围内水质情况的差异值,能够将差异数值化;获取每个栅格对应的栅格向量不仅能够反映出栅格对应的空间及时间范围内水质情况的差异值,还能够反映出栅格对应的空间及时间范围内水质情况的变化趋势。
进一步的,所述栅格向量处理模块获取水质归一化波动曲面各栅格对应的栅格向量的方法包括以下步骤:
S2.1、对空间直角坐标系的xoy对应的平面进行栅格化,每个栅格的大小均相等;
S2.2、分别获取空间直角坐标系中各栅格在水质归一化波动曲面对应的区域;
S2.3、在获取的每个栅格在水质归一化波动曲面对应的区域中,将x轴上的最小值且y轴上的最小值对应的点作为起点,将x轴上的最大值且y轴上的最大值对应的点作为终点,构建每个栅格对应的栅格向量。
本发明对空间直角坐标系的xoy对应的平面进行栅格化的过程中,限制每个栅格的大小相等是为了对河湖区域进行划分,使得每个划分的小区域对应的河湖长度及时间变化范围相同;获取栅格向量时,将x轴上的值最小且y轴上的值最小对应的点作为起点,将x轴上的值最大且y轴上的值最大对应的点作为终点,是因为x表示时间,x值越小对应的时间越靠前,y表示空间(河湖长度),y值越小对应的河湖位置越靠近上游端点;而水是按照时间的先后顺序从靠近上游端点的位置向下游流动的,因此栅格向量表示该栅格对应河湖区域在该时间范围内,最后时刻最靠近下游的位置对应的水质归一化值与最开始时刻最靠近上游端点的位置对应的水质归一化值的差异。
进一步的,所述异常水质判定模块获取水质异常区域的方法包括以下步骤:
S3.4、提取与第m个栅格相邻的所有栅格,获取提取的栅格个数p1、每个栅格的位置及每个栅格对应的历史栅格向量差;
S3.5、分别计算S3.4中获取的每个栅格对应的历史栅格向量差与第一标准栅格向量的向量差,筛选出向量差的向量方向与z轴正方向相同的栅格,统计筛选出的栅格个数p、每个栅格的位置及每个栅格对应的历史栅格向量差,
所述第一标准栅格向量为与z轴夹角为90°的栅格向量;
S3.7、将二次筛选出的各个向量的模长进行累加求和,并将求和结果与第二预设值进行比较,
当求和结果小于第二预设值时,则判定该第m个栅格对应的河湖区域为水质异常区域;
当求和结果大于等于第二预设值时,
若二次筛选的向量中对应的x轴坐标值最小的栅格个数为一个时,则判定该x轴坐标值最小的栅格为参照点,
若二次筛选的向量中对应的x轴坐标值最小的栅格个数为多个时,则判定x轴坐标值最小且y轴坐标值最小的栅格为参照点,
获取参照点,跳转到S3.1,按照求取原理继续执行步骤,直至得到水质异常区域为止。
本发明异常水质判定模块中,计算与的历史栅格向量差,是为了获取第m个栅格对应河湖区域在当前相应的时间范围及空间范围内对应的水质归一化值的差异,同时也获取第m个栅格对应河湖区域在历史相应的时间范围及空间范围内对应的水质归一化值的差异,并计算对应的差异相对于对应差异的变化量,这个变化量这是该河湖当前的空间时间范围对应的水质情况相对历史中的水质情况的变化值;提取与第m个栅格相邻的所有栅格的过程中,提取的栅格个数p1包括三种情况,分别是3、5及8,当栅格对应的水质归一化波动曲面范围在水质归一化波动曲面的四个角时,p1的值为3,当栅格对应的水质归一化波动曲面范围在水质归一化波动曲面的四条边上且不包括四个角的情况时,p1的值为5,反之,当栅格对应的水质归一化波动曲面范围不在水质归一化波动曲面的四条边上时,p1的值为8;设置第一标准栅格向量为与z轴夹角为90°的栅格向量,是为了使得历史栅格向量差与第一标准栅格向量的向量差的方向均与z轴平行,进而得到该栅格对应河湖区域当前与历史的水质情况差值;判定x轴坐标值最小且y轴坐标值最小的栅格为参照点,是因为河湖是按时间先后顺序从上游向下游进行流动的,因此当存在多个异常栅格时,则认为第m栅格的水质异常是由时间更小且位置更接近上游端点的栅格(即x轴坐标值最小且y轴坐标值最小的栅格)传播导致的,因此需要将该x轴坐标值最小且y轴坐标值最小的栅格作为参照点继续进行筛选,最终得到水质异常区域。
S4.1、分别提取历史数据中g个第一单位时间长度的图像信息,并分别根据提取的图像信息获取对应的水质归一化波动曲面;
S4.2、分别将S4.1中获取的各个水质归一化波动曲面中相同位置的点进行累加,并求取平均值,将得到的平均值作为得到的历史水质归一化均值波动曲面中该位置对应点的归一化结果,进而得到历史水质归一化均值波动曲面;
S4.3、计算历史水质归一化均值波动曲面中各栅格对应的栅格向量,所述计算历史水质归一化均值波动曲面中各栅格对应的栅格向量的方法与获取水质归一化波动曲面各栅格对应的栅格向量的方法相同。
本发明提取历史数据中g个第一单位时间长度的图像信息是因为当前分析的图像信息对应的时间范围为第一单位时间,这样选取是为了确保历史数据处理后得到的历史水质归一化均值波动曲面对应的空间变化范围及时间变化范围分别与当前的水质归一化波动曲面对应的空间变化范围及时间变化范围相同。
进一步的,所述水质异常分析模块获取针对水质异常区域的校准量的方法包括以下步骤:
S5.1、获取水质异常区域对应的栅格的历史栅格向量差;
S5.2、将S5.1中得到的历史栅格向量差与对比数据库进行匹配,得到该水质异常区域不同水质因素对应的标准校准量;
S5.3、获取历史水质归一化均值波动曲面中,该水质异常区域对应栅格向量的模长,将所得模长对比数据库进行匹配,得到该水质异常区域不同水质因素对应的正常范围区间;
S5.4、获取该河湖区域不同时间不同位置不同水质因素对应的波动曲面中,该水质异常区域的不同水质因素对应的实际范围区间;
S5.5、分别将不同水质因素对应的实际范围区间减去相应水质因素对应的标准校准量的差值,得到不同水质因素对应的差值区间;
S5.6、分别将不同水质因素对应的差值区间与相应水质因素对应的正常范围区间进行比较,
当所有水质因素对应的正常范围区间均包含相应水质因素的差值区间时,则判定针对水质异常区域的校准量为该标准校准量,
当存在水质因素对应的差值区间均不包含相应水质因素的差值区间时,则分别计算各个水质因素对应差值区间的中心值与相应水质因素正常范围区间中心值的差值q,分别将所得的各个水质因素对应的差值q与对比数据库进行匹配,分别得到每个差值q针对各个水质因素的第一校准量,
分别将每个水质因素对应的标准校准量减去相应的差值q,并分别将所得结果加上针对相应水质因素的第一校准量,进而得到水质异常区域针对各个水质因素的校准量。
本发明通过将历史栅格向量差与对比数据库进行匹配,得到该水质异常区域不同水质因素对应的标准校准量,标准校准量为针对水质异常区域的水质初始校准结果,由于历史栅格向量差反馈的水质异常区域整体的水质差异,因此还需要判断该标准校准量是否能够作为针对水质异常区域的校准量,如果不行,则需要针对该标准校准量进行调整,得到水质异常区域针对各个水质因素的校准量,即水质异常区域的校准量。
与现有技术相比,本发明所达到的有益效果是:本发明通过遥感技术在对河湖区域的生态水质进行监控的过程中,不仅能够同时针对较多区域进行水质分析,通过水质反演得到相应河湖区域对应的水质情况,适应能力强,且相比传统水质监测方法,能够有效节省监测成本;同时本发明还能够通过水质反演技术,将河湖区域不同位置不同时间的不同水质因素对应的值进行归一化处理,并构成水质归一化波动曲面,进而能够较为直观的呈现出河湖区域整体水质情况随空间及时间的变化趋势,能够准确筛选出水质异常区域,并得到针对性的校准量,实现对河湖区域的有效管理。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明基于互联网的生态河湖区域监管***的结构示意图;
图2是本发明基于互联网的生态河湖区域监管***中通过三维模型分别将该河湖区域对应的水质因素在空间及时间方面的变化进行呈现的方法的流程示意图;
图3是本发明基于互联网的生态河湖区域监管***中栅格向量处理模块获取水质归一化波动曲面各栅格对应的栅格向量的方法的流程示意图;
图4是本发明基于互联网的生态河湖区域监管***中水质异常分析模块获取针对水质异常区域的校准量的方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图4,本发明提供技术方案:基于互联网的生态河湖区域监管***,包括:
数据采集与获取模块,所述数据采集与获取模块通过无人机遥感及卫星遥感对河湖区域的图像信息进行采集;
水质反演模块,所述水质反演模块通过数据采集与获取模块得到的图像信息对相应的河湖区域进行水质反演,得到相应河湖区域的水质情况;
水质异常区域锁定模块,所述水质异常区域锁定模块根据水质反演模块得到的相应河湖区域的水质情况,锁定河湖区域内的水质异常区域;
水质异常分析模块,所述水质异常分析模块根据锁定的河湖区域内的水质异常区域,获取针对水质异常区域的校准量。
本发明通过各个模块的协同合作,共同实现对河湖区域生态的监管,通过遥感技术实现对河湖区域的水质进行水质反演,并根据获取的结果分析出水质异常区域,并进一步对水质异常区域进行分析,得到针对水质异常区域的校准量,实现对河湖区域的尽管。
所述无人机遥感是通过无人机搭载热红外相机、高光谱成像仪实现的,控制无人机飞行两次,分别获取针对河湖区域的热红外数据和高光谱数据;
所述数据采集与获取模块对河湖区域的图像信息进行获取时,获取的均是该河湖区域最近第一单位时间内的图像信息。
本发明根据不同水质情况对应的该光谱数据不同,进而可以通过采用遥感技术采集的图像信息分析出河湖区域不同时间不同位置对应的水质情况,人红外数据是为了辅助高光谱数据对水质进行分析的;控制无人机飞行两次是为了分别通过热红外相机及高光谱成像仪获取相应河湖区域的人红外数据及高光谱数据,避免获取的数据出现混乱;采集该河湖区域最近第一单位时间内的图像信息,一方面是为了分析的样本量足够大,避免因偶然因素导致的数据误差造成最终的分析结果出现错误,另一方面是为了及时有效的获取河湖区域生态情况(水质情况),针对异常情况及时进行处理。
所述水质反演模块通过数据采集与获取模块得到的图像信息对相应的河湖区域进行水质反演时,得到该河湖区域对应的水质因素在空间及时间方面的变化,并通过三维模型分别将该河湖区域对应的水质因素在空间及时间方面的变化进行呈现,
所述水质因素包括水体指数、叶绿素浓度、浊度、氨氮、总磷、溶解氧。
本发明水体指数、叶绿素浓度、浊度、氨氮、总磷、溶解氧这几个水质因素均能有效得到反馈出河湖区域的水质情况,且这几个水质因素均能通过水质反演进行获取;通过三维模型分别呈现出该河湖区域对应的水质因素在空间及时间方面的变化情况能够便于对该河湖水质情况进行详细分析,根据水质因素的变化情况锁定该河湖区域对应的水质异常区域,便于对水质异常区域进行监管与调控。
通过三维模型分别将该河湖区域对应的水质因素在空间及时间方面的变化进行呈现的方法包括以下步骤:
S1.1、提取图像信息的河湖区域中的水域范围对应的图像,记为a;
S1.2、计算a对应实际河湖的长度a1,计算a中各点相对上游端点的距离为不同值时相应点对应实际河湖的宽度a2;
S1.3、根据河湖区域的热红外数据和高光谱数据对该河湖区域的水质情况进行水质反演,得到该河湖区域不同时间不同位置不同水质因素对应的数值;
S1.4、以o为原点,计算采集数据对应时间与第一时间的差值对应的时间节点,以原点到时间节点的方向为x轴正方向,以河湖区域上游端点到各位置的长度y轴正方向,以水质因素对应数值从小到大的顺序为z轴正方向,构建空间直角坐标系,
所述空间直角坐标系中,原点表示该河湖区域第一时间节点的上游端点位置中水质因素对应数值为0的点,为一个参照点,
所述第一时间为采集数据中各数据对应的最早时间,
空间直角坐标系中x轴对应的值表示该河湖区域相对参照点对应的时间节点,
空间直角坐标系中y轴对应的值表示该河湖区域相对参照点对应的长度,
空间直角坐标系中z轴对应的值表示该河湖区域在相对参照点的某时间节点某长度下,该河湖区域对应的所有宽度值相应的位置,经过水质反演后各位置对应的同一水质因素对应数值的平均值;
S1.5、在空间直角坐标系中,将该河湖区域不同时间不同位置不同水质因素对应的数值呈现出来,并对该河湖区域不同时间不同位置同一水质因素对应的数值进行拟合,得到该河湖区域不同时间不同位置同一水质因素对应的波动曲面;
S1.6、在空间直角坐标系中,得到该河湖区域不同时间不同位置不同水质因素对应的波动曲面,并对相同时间相同位置不同水质因素对应的值进行归一化处理,根据对应的归一化处理结果得到该河湖区域不同时间不同位置的水质归一化波动曲面;
对相同时间相同位置不同水质因素对应的值进行归一化处理的方法为:
S1-1、分别获取相同时间相同位置不同水质因素对应的值;
S1-2、分别将相同时间相同位置不同水质因素对应的值乘上相应水质因素对应的归一化系数,并分别将相同时间相同位置不同水质因素对应的的乘积进行累加,进而得到相同时间相同位置的水质归一化值,
不同水质因素对应的归一化系数不同,所述归一化系数是通过数据库匹配获取的。
本发明获取a对应实际河湖的长度a1是为了确认该河湖区域对应的空间位置,同时为空间直角坐标系中y轴的构建提供参考,并对y轴坐标值的取值范围进行限定,即y的取值范围为大于0且小于等于a1;计算a对应的a1为不同值时对应实际河湖的宽度a2是因为通过遥感技术采集的信息中某一河湖长度对应有多个点,因此需要获取不同的a1值对应的实际河湖的宽度a2,通过a1与a2对河湖区域中的具***置进行确定,并得到该点对应的不同水质因素对应的水质反演结果;由于空间直角坐标系是三维的,一维用拉埃记录河湖对应的时间数据,一维用来记录水质反演结果,因此,只剩下一维用来表示不同水质因素结果与空间的变化关系,因此需要用一维坐标呈现出河湖的空间位置变化(选择河湖的长度而不是河湖宽度,是因为不同的河湖长度有的设置有排污管道,排除的污水对河湖水质影响变化较大,而不同的河湖宽度则不具备其特点);对该河湖区域不同时间不同位置同一水质因素对应的数值进行拟合是因为未拟合前各个点是孤立的,不便于相互之间进行数据比较,对数据变化趋势的分析不直观,而拟合后,则点与点之间是平滑连接的,得到该河湖区域不同时间不同位置同一水质因素对应的波动曲面,能够较为直观的获取同一水质因素在空间及时间上的变化趋势;获取该河湖区域不同时间不同位置的水质归一化波动曲面是为了对该河湖区域不同时间不同位置的不同水质因素进行综合分析,得到该河湖区域不同时间不同位置的水质综合变化情况。本发明中空间直角坐标系中z轴不仅表示该河湖区域在相对参照点的某时间节点某长度下,该河湖区域对应的所有宽度值相应的位置,经过水质反演后各位置对应的同一水质因素对应数值的平均值,其主要体现的是河湖区域不同时间不同空间位置对应的水质情况,因此,在水质归一化波动曲面中,空间直角坐标系中z轴数值表示的是不同时间不同空间位置的水质归一化值,反映的也是水质情况。空间直角坐标系中x轴对应的值表示该河湖区域相对参照点对应的时间节点,即各点的x轴的值为各点对应的采集数据的相应时间与第一时间的差值。
所述水质异常区域锁定模块包括栅格向量处理模块及异常水质判定模块,
所述栅格向量处理模块对空间直角坐标系进行栅格化处理,并获取水质归一化波动曲面各栅格对应的栅格向量;
所述异常水质判定模块根据水质归一化波动曲面各栅格对应的栅格向量之间的关系,锁定空间直角坐标系中异常水质对应的栅格,进而获取水质异常区域。
本发明水质异常区域锁定模块对空间直角坐标系进行栅格化处理是为了获取栅格对应的空间及时间范围内水质情况的差异值,能够将差异数值化;获取每个栅格对应的栅格向量不仅能够反映出栅格对应的空间及时间范围内水质情况的差异值,还能够反映出栅格对应的空间及时间范围内水质情况的变化趋势。
所述栅格向量处理模块获取水质归一化波动曲面各栅格对应的栅格向量的方法包括以下步骤:
S2.1、对空间直角坐标系的xoy对应的平面进行栅格化,每个栅格的大小均相等;
S2.2、分别获取空间直角坐标系中各栅格在水质归一化波动曲面对应的区域;
S2.3、在获取的每个栅格在水质归一化波动曲面对应的区域中,将x轴上的最小值且y轴上的最小值对应的点作为起点,将x轴上的最大值且y轴上的最大值对应的点作为终点,构建每个栅格对应的栅格向量。
本发明对空间直角坐标系的xoy对应的平面进行栅格化的过程中,限制每个栅格的大小相等是为了对河湖区域进行划分,使得每个划分的小区域对应的河湖长度及时间变化范围相同;获取栅格向量时,将x轴上的值最小且y轴上的值最小对应的点作为起点,将x轴上的值最大且y轴上的值最大对应的点作为终点,是因为x表示时间,x值越小对应的时间越靠前,y表示空间(河湖长度),y值越小对应的河湖位置越靠近上游端点;而水是按照时间的先后顺序从靠近上游端点的位置向下游流动的,因此栅格向量表示该栅格对应河湖区域在该时间范围内,最后时刻最靠近下游的位置对应的水质归一化值与最开始时刻最靠近上游端点的位置对应的水质归一化值的差异。
所述异常水质判定模块获取水质异常区域的方法包括以下步骤:
S3.4、提取与第m个栅格相邻的所有栅格,获取提取的栅格个数p1、每个栅格的位置及每个栅格对应的历史栅格向量差;
S3.5、分别计算S3.4中获取的每个栅格对应的历史栅格向量差与第一标准栅格向量的向量差,筛选出向量差的向量方向与z轴正方向相同的栅格,统计筛选出的栅格个数p、每个栅格的位置及每个栅格对应的历史栅格向量差,
所述第一标准栅格向量为与z轴夹角为90°的栅格向量;
S3.7、将二次筛选出的各个向量的模长进行累加求和,并将求和结果与第二预设值进行比较,
当求和结果小于第二预设值时,则判定该第m个栅格对应的河湖区域为水质异常区域;
当求和结果大于等于第二预设值时,
若二次筛选的向量中对应的x轴坐标值最小的栅格个数为一个时,则判定该x轴坐标值最小的栅格为参照点,
若二次筛选的向量中对应的x轴坐标值最小的栅格个数为多个时,则判定x轴坐标值最小且y轴坐标值最小的栅格为参照点,
获取参照点,跳转到S3.1,按照求取原理继续执行步骤,直至得到水质异常区域为止。
本发明异常水质判定模块中,计算与的历史栅格向量差,是为了获取第m个栅格对应河湖区域在当前相应的时间范围及空间范围内对应的水质归一化值的差异,同时也获取第m个栅格对应河湖区域在历史相应的时间范围及空间范围内对应的水质归一化值的差异,并计算对应的差异相对于对应差异的变化量,这个变化量这是该河湖当前的空间时间范围对应的水质情况相对历史中的水质情况的变化值;提取与第m个栅格相邻的所有栅格的过程中,提取的栅格个数p1包括三种情况,分别是3、5及8,当栅格对应的水质归一化波动曲面范围在水质归一化波动曲面的四个角时,p1的值为3,当栅格对应的水质归一化波动曲面范围在水质归一化波动曲面的四条边上且不包括四个角的情况时,p1的值为5,反之,当栅格对应的水质归一化波动曲面范围不在水质归一化波动曲面的四条边上时,p1的值为8;设置第一标准栅格向量为与z轴夹角为90°的栅格向量,是为了使得历史栅格向量差与第一标准栅格向量的向量差的方向均与z轴平行,进而得到该栅格对应河湖区域当前与历史的水质情况差值;判定x轴坐标值最小且y轴坐标值最小的栅格为参照点,是因为河湖是按时间先后顺序从上游向下游进行流动的,因此当存在多个异常栅格时,则认为第m栅格的水质异常是由时间更小且位置更接近上游端点的栅格(即x轴坐标值最小且y轴坐标值最小的栅格)传播导致的,因此需要将该x轴坐标值最小且y轴坐标值最小的栅格作为参照点继续进行筛选,最终得到水质异常区域。
S4.1、分别提取历史数据中g个第一单位时间长度的图像信息,并分别根据提取的图像信息获取对应的水质归一化波动曲面;
S4.2、分别将S4.1中获取的各个水质归一化波动曲面中相同位置的点进行累加,并求取平均值,将得到的平均值作为得到的历史水质归一化均值波动曲面中该位置对应点的归一化结果,进而得到历史水质归一化均值波动曲面;
S4.3、计算历史水质归一化均值波动曲面中各栅格对应的栅格向量,所述计算历史水质归一化均值波动曲面中各栅格对应的栅格向量的方法与获取水质归一化波动曲面各栅格对应的栅格向量的方法相同。
本发明提取历史数据中g个第一单位时间长度的图像信息是因为当前分析的图像信息对应的时间范围为第一单位时间,这样选取是为了确保历史数据处理后得到的历史水质归一化均值波动曲面对应的空间变化范围及时间变化范围分别与当前的水质归一化波动曲面对应的空间变化范围及时间变化范围相同。
所述水质异常分析模块获取针对水质异常区域的校准量的方法包括以下步骤:
S5.1、获取水质异常区域对应的栅格的历史栅格向量差;
S5.2、将S5.1中得到的历史栅格向量差与对比数据库进行匹配,得到该水质异常区域不同水质因素对应的标准校准量;
S5.3、获取历史水质归一化均值波动曲面中,该水质异常区域对应栅格向量的模长,将所得模长对比数据库进行匹配,得到该水质异常区域不同水质因素对应的正常范围区间;
S5.4、获取该河湖区域不同时间不同位置不同水质因素对应的波动曲面中,该水质异常区域的不同水质因素对应的实际范围区间;
S5.5、分别将不同水质因素对应的实际范围区间减去相应水质因素对应的标准校准量的差值,得到不同水质因素对应的差值区间;
S5.6、分别将不同水质因素对应的差值区间与相应水质因素对应的正常范围区间进行比较,
当所有水质因素对应的正常范围区间均包含相应水质因素的差值区间时,则判定针对水质异常区域的校准量为该标准校准量,
当存在水质因素对应的差值区间均不包含相应水质因素的差值区间时,则分别计算各个水质因素对应差值区间的中心值与相应水质因素正常范围区间中心值的差值q,分别将所得的各个水质因素对应的差值q与对比数据库进行匹配,分别得到每个差值q针对各个水质因素的第一校准量,
分别将每个水质因素对应的标准校准量减去相应的差值q,并分别将所得结果加上针对相应水质因素的第一校准量,进而得到水质异常区域针对各个水质因素的校准量。
本发明通过将历史栅格向量差与对比数据库进行匹配,得到该水质异常区域不同水质因素对应的标准校准量,标准校准量为针对水质异常区域的水质初始校准结果,由于历史栅格向量差反馈的水质异常区域整体的水质差异,因此还需要判断该标准校准量是否能够作为针对水质异常区域的校准量,如果不行,则需要针对该标准校准量进行调整,得到水质异常区域针对各个水质因素的校准量,即水质异常区域的校准量。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于互联网的生态河湖区域监管***,其特征在于,包括:
数据采集与获取模块,所述数据采集与获取模块通过无人机遥感及卫星遥感对河湖区域的图像信息进行采集;
水质反演模块,所述水质反演模块通过数据采集与获取模块得到的图像信息对相应的河湖区域进行水质反演,得到相应河湖区域的水质情况;
水质异常区域锁定模块,所述水质异常区域锁定模块根据水质反演模块得到的相应河湖区域的水质情况,锁定河湖区域内的水质异常区域;
水质异常分析模块,所述水质异常分析模块根据锁定的河湖区域内的水质异常区域,获取针对水质异常区域的校准量;
所述无人机遥感是通过无人机搭载热红外相机、高光谱成像仪实现的,控制无人机飞行两次,分别获取针对河湖区域的热红外数据和高光谱数据;
所述数据采集与获取模块对河湖区域的图像信息进行获取时,获取的均是该河湖区域最近第一单位时间内的图像信息;
所述水质反演模块通过数据采集与获取模块得到的图像信息对相应的河湖区域进行水质反演时,得到该河湖区域对应的水质因素在空间及时间方面的变化,并通过三维模型分别将该河湖区域对应的水质因素在空间及时间方面的变化进行呈现,
所述水质因素包括水体指数、叶绿素浓度、浊度、氨氮、总磷和溶解氧;
通过三维模型分别将该河湖区域对应的水质因素在空间及时间方面的变化进行呈现的方法包括以下步骤:
S1.1、提取图像信息的河湖区域中的水域范围对应的图像,记为a;
S1.2、计算a对应实际河湖的长度a1,计算a中各点相对上游端点的距离为不同值时相应点对应实际河湖的宽度a2;
S1.3、根据河湖区域的热红外数据和高光谱数据对该河湖区域的水质情况进行水质反演,得到该河湖区域不同时间不同位置不同水质因素对应的数值;
S1.4、以o为原点,计算采集数据对应时间与第一时间的差值对应的时间节点,以原点到时间节点的方向为x轴正方向,以河湖区域上游端点到各位置的长度y轴正方向,以水质因素对应数值从小到大的顺序为z轴正方向,构建空间直角坐标系,
所述空间直角坐标系中,原点表示该河湖区域第一时间节点的上游端点位置中水质因素对应数值为0的点,为一个参照点,
所述第一时间为采集数据中各数据对应的最早时间,
空间直角坐标系中x轴对应的值表示该河湖区域相对参照点对应的时间节点,
空间直角坐标系中y轴对应的值表示该河湖区域相对参照点对应的长度,
空间直角坐标系中z轴对应的值表示该河湖区域在相对参照点的某时间节点某长度下,该河湖区域对应的所有宽度值相应的位置,经过水质反演后各位置对应的同一水质因素对应数值的平均值;
S1.5、在空间直角坐标系中,将该河湖区域不同时间不同位置不同水质因素对应的数值呈现出来,并对该河湖区域不同时间不同位置同一水质因素对应的数值进行拟合,得到该河湖区域不同时间不同位置同一水质因素对应的波动曲面;
S1.6、在空间直角坐标系中,得到该河湖区域不同时间不同位置不同水质因素对应的波动曲面,并对相同时间相同位置不同水质因素对应的值进行归一化处理,根据对应的归一化处理结果得到该河湖区域不同时间不同位置的水质归一化波动曲面;
对相同时间相同位置不同水质因素对应的值进行归一化处理的方法为:
S1-1、分别获取相同时间相同位置不同水质因素对应的值;
S1-2、分别将相同时间相同位置不同水质因素对应的值乘上相应水质因素对应的归一化系数,并分别将相同时间相同位置不同水质因素对应的的乘积进行累加,进而得到相同时间相同位置的水质归一化值,
不同水质因素对应的归一化系数不同,所述归一化系数是通过数据库匹配获取的。
2.根据权利要求1所述的基于互联网的生态河湖区域监管***,其特征在于:所述水质异常区域锁定包括模块栅格向量处理模块及异常水质判定模块,
所述栅格向量处理模块对空间直角坐标系进行栅格化处理,并获取水质归一化波动曲面各栅格对应的栅格向量;
所述异常水质判定模块根据水质归一化波动曲面各栅格对应的栅格向量之间的关系,锁定空间直角坐标系中异常水质对应的栅格,进而获取水质异常区域。
3.根据权利要求2所述的基于互联网的生态河湖区域监管***,其特征在于:所述栅格向量处理模块获取水质归一化波动曲面各栅格对应的栅格向量的方法包括以下步骤:
S2.1、对空间直角坐标系的xoy对应的平面进行栅格化,每个栅格的大小均相等;
S2.2、分别获取空间直角坐标系中各栅格在水质归一化波动曲面对应的区域;
S2.3、在获取的每个栅格在水质归一化波动曲面对应的区域中,将x轴上的最小值且y轴上的最小值对应的点作为起点,将x轴上的最大值且y轴上的最大值对应的点作为终点,构建每个栅格对应的栅格向量。
4.根据权利要求3所述的基于互联网的生态河湖区域监管***,其特征在于:所述异常水质判定模块获取水质异常区域的方法包括以下步骤:
S3.4、提取与第m个栅格相邻的所有栅格,获取提取的栅格个数p1、每个栅格的位置及每个栅格对应的历史栅格向量差;
S3.5、分别计算S3.4中获取的每个栅格对应的历史栅格向量差与第一标准栅格向量的向量差,筛选出向量差的向量方向与z轴正方向相同的栅格,统计筛选出的栅格个数p、每个栅格的位置及每个栅格对应的历史栅格向量差,
所述第一标准栅格向量为与z轴夹角为90°的栅格向量;
S3.7、将二次筛选出的各个向量的模长进行累加求和,并将求和结果与第二预设值进行比较,
当求和结果小于第二预设值时,则判定该第m个栅格对应的河湖区域为水质异常区域;
当求和结果大于等于第二预设值时,
若二次筛选的向量中对应的x轴坐标值最小的栅格个数为一个时,则判定该x轴坐标值最小的栅格为参照点,
若二次筛选的向量中对应的x轴坐标值最小的栅格个数为多个时,则判定x轴坐标值最小且y轴坐标值最小的栅格为参照点,
获取参照点,跳转到S3.1,按照求取原理继续执行步骤,直至得到水质异常区域为止。
S4.1、分别提取历史数据中g个第一单位时间长度的图像信息,并分别根据提取的图像信息获取对应的水质归一化波动曲面;
S4.2、分别将S4.1中获取的各个水质归一化波动曲面中相同位置的点进行累加,并求取平均值,将得到的平均值作为得到的历史水质归一化均值波动曲面中该位置对应点的归一化结果,进而得到历史水质归一化均值波动曲面;
S4.3、计算历史水质归一化均值波动曲面中各栅格对应的栅格向量,所述计算历史水质归一化均值波动曲面中各栅格对应的栅格向量的方法与获取水质归一化波动曲面各栅格对应的栅格向量的方法相同。
6.根据权利要求4所述的基于互联网的生态河湖区域监管***,其特征在于:所述水质异常分析模块获取针对水质异常区域的校准量的方法包括以下步骤:
S5.1、获取水质异常区域对应的栅格的历史栅格向量差;
S5.2、将S5.1中得到的历史栅格向量差与对比数据库进行匹配,得到该水质异常区域不同水质因素对应的标准校准量;
S5.3、获取历史水质归一化均值波动曲面中,该水质异常区域对应栅格向量的模长,将所得模长对比数据库进行匹配,得到该水质异常区域不同水质因素对应的正常范围区间;
S5.4、获取该河湖区域不同时间不同位置不同水质因素对应的波动曲面中,该水质异常区域的不同水质因素对应的实际范围区间;
S5.5、分别将不同水质因素对应的实际范围区间减去相应水质因素对应的标准校准量的差值,得到不同水质因素对应的差值区间;
S5.6、分别将不同水质因素对应的差值区间与相应水质因素对应的正常范围区间进行比较,
当所有水质因素对应的正常范围区间均包含相应水质因素的差值区间时,则判定针对水质异常区域的校准量为该标准校准量,
当存在水质因素对应的差值区间均不包含相应水质因素的差值区间时,则分别计算各个水质因素对应差值区间的中心值与相应水质因素正常范围区间中心值的差值q,分别将所得的各个水质因素对应的差值q与对比数据库进行匹配,分别得到每个差值q针对各个水质因素的第一校准量,
分别将每个水质因素对应的标准校准量减去相应的差值q,并分别将所得结果加上针对相应水质因素的第一校准量,进而得到水质异常区域针对各个水质因素的校准量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111271738.8A CN113947726B (zh) | 2021-10-29 | 2021-10-29 | 基于互联网的生态河湖区域监管*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111271738.8A CN113947726B (zh) | 2021-10-29 | 2021-10-29 | 基于互联网的生态河湖区域监管*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113947726A CN113947726A (zh) | 2022-01-18 |
CN113947726B true CN113947726B (zh) | 2022-07-01 |
Family
ID=79337133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111271738.8A Active CN113947726B (zh) | 2021-10-29 | 2021-10-29 | 基于互联网的生态河湖区域监管*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113947726B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114858987B (zh) * | 2022-03-30 | 2024-06-11 | 河海大学 | 一种基于物联网河湖水量水质监测与管理*** |
CN114856987B (zh) * | 2022-04-27 | 2023-04-07 | 江苏迈科道环境科技有限公司 | 取水泵船远程监控***及方法 |
CN116546431B (zh) * | 2023-07-04 | 2023-09-19 | 北京江云智能科技有限公司 | 一种基于北斗全网通多网融合数据采集通信***及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912790A (zh) * | 2016-04-15 | 2016-08-31 | 重庆大学 | 基于深度回归模型的遥感水质监测方法 |
CN106442420A (zh) * | 2016-09-21 | 2017-02-22 | 河海大学 | 一种定性与定量结合的水质监测方法 |
CN106971146A (zh) * | 2017-03-03 | 2017-07-21 | 环境保护部卫星环境应用中心 | 基于三查技术的水体异常遥感动态监控方法、装置和*** |
CN108020511A (zh) * | 2016-11-01 | 2018-05-11 | 中国科学院遥感与数字地球研究所 | 一种浅水草型湖泊水质参数遥感监测方法与装置 |
CN108593569A (zh) * | 2018-07-02 | 2018-09-28 | 中国地质环境监测院 | 基于光谱形态特征的高光谱水质参数定量反演方法 |
WO2018214190A1 (zh) * | 2017-06-19 | 2018-11-29 | 中国科学院南京地理与湖泊研究所 | 一种面向湖泊蓝藻灾害的立体监控及数据挖掘***和方法 |
CN109507119A (zh) * | 2018-09-28 | 2019-03-22 | 浙江农林大学 | 一种基于无人机光谱的水质要素浓度检测方法 |
CN109678252A (zh) * | 2019-03-01 | 2019-04-26 | 中国水利水电科学研究院 | 一种水库水体富营养化生态修复***及方法 |
CN109932496A (zh) * | 2019-03-27 | 2019-06-25 | 浙江大学 | 一种基于多参数耦合交叉的水质在线监测方法和*** |
WO2020207070A1 (zh) * | 2019-04-09 | 2020-10-15 | 中国科学院深圳先进技术研究院 | 深圳海域水质评价方法及*** |
CN112051222A (zh) * | 2020-08-30 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种基于高分卫星影像的河湖水质监测方法 |
CN113538280A (zh) * | 2021-07-20 | 2021-10-22 | 江苏天汇空间信息研究院有限公司 | 基于矩阵二值化的遥感影像去除彩线和残缺影像拼接方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242291A (zh) * | 2018-08-28 | 2019-01-18 | 天津大学 | 河湖流域水环境智慧管理方法 |
CN110987063A (zh) * | 2019-11-18 | 2020-04-10 | 广东岭秀科技有限公司 | 一种遥感监测河湖水文水生态要素的方法 |
-
2021
- 2021-10-29 CN CN202111271738.8A patent/CN113947726B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912790A (zh) * | 2016-04-15 | 2016-08-31 | 重庆大学 | 基于深度回归模型的遥感水质监测方法 |
CN106442420A (zh) * | 2016-09-21 | 2017-02-22 | 河海大学 | 一种定性与定量结合的水质监测方法 |
CN108020511A (zh) * | 2016-11-01 | 2018-05-11 | 中国科学院遥感与数字地球研究所 | 一种浅水草型湖泊水质参数遥感监测方法与装置 |
CN106971146A (zh) * | 2017-03-03 | 2017-07-21 | 环境保护部卫星环境应用中心 | 基于三查技术的水体异常遥感动态监控方法、装置和*** |
WO2018214190A1 (zh) * | 2017-06-19 | 2018-11-29 | 中国科学院南京地理与湖泊研究所 | 一种面向湖泊蓝藻灾害的立体监控及数据挖掘***和方法 |
CN108593569A (zh) * | 2018-07-02 | 2018-09-28 | 中国地质环境监测院 | 基于光谱形态特征的高光谱水质参数定量反演方法 |
CN109507119A (zh) * | 2018-09-28 | 2019-03-22 | 浙江农林大学 | 一种基于无人机光谱的水质要素浓度检测方法 |
CN109678252A (zh) * | 2019-03-01 | 2019-04-26 | 中国水利水电科学研究院 | 一种水库水体富营养化生态修复***及方法 |
CN109932496A (zh) * | 2019-03-27 | 2019-06-25 | 浙江大学 | 一种基于多参数耦合交叉的水质在线监测方法和*** |
WO2020207070A1 (zh) * | 2019-04-09 | 2020-10-15 | 中国科学院深圳先进技术研究院 | 深圳海域水质评价方法及*** |
CN112051222A (zh) * | 2020-08-30 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种基于高分卫星影像的河湖水质监测方法 |
CN113538280A (zh) * | 2021-07-20 | 2021-10-22 | 江苏天汇空间信息研究院有限公司 | 基于矩阵二值化的遥感影像去除彩线和残缺影像拼接方法 |
Non-Patent Citations (6)
Title |
---|
A Multiband Model With Successive Projections Algorithm for Bathymetry Estimation Based on Remotely Sensed Hyperspectral Data in Qinghai Lake;Dianjun Zhang 等;《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》;20210630;第14卷;6871-6881 * |
Remote sensing of water quality in an Australian tropical freshwater impoundment using matrix inversion and MERIS images;GlennCampbell 等;《Remote Sensing of Environment》;20110915;第115卷(第9期);2402-2414 * |
基于多源监测与数据融合的水质动态评价方法;司源 等;《人民黄河》;20210131;第43卷(第2期);88-94 * |
基于无人机高光谱遥感的河湖水环境探测;臧传凯 等;《自然资源遥感》;20210930;第33卷(第3期);45-53 * |
工矿业城市区域水质参数高光谱定量反演;彭令 等;《光谱学与光谱分析》;20190915;第39卷(第9期);2922-2928 * |
水质参数遥感反演光谱特征构建与敏感性分析;王歆晖 等;《光谱学与光谱分析》;20210630;第41卷(第6期);1880-1885 * |
Also Published As
Publication number | Publication date |
---|---|
CN113947726A (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113947726B (zh) | 基于互联网的生态河湖区域监管*** | |
Zhang et al. | A suite of metrics for assessing the performance of solar power forecasting | |
Di Maio et al. | Fault detection in nuclear power plants components by a combination of statistical methods | |
EP1055239B1 (en) | Ultrasensitive surveillance of sensors and processes | |
Rato et al. | Translation-invariant multiscale energy-based PCA for monitoring batch processes in semiconductor manufacturing | |
Amdouni et al. | Monitoring the coefficient of variation using a variable sample size control chart in short production runs | |
Alferes et al. | Advanced monitoring of water systems using in situ measurement stations: data validation and fault detection | |
CN111275307A (zh) | 一种水质自动在线站高频连续观测数据质量控制方法 | |
CN101403923A (zh) | 基于非高斯成分提取和支持向量描述的过程监控方法 | |
CN107436277A (zh) | 基于相似距离判别的单指标数据质量控制方法 | |
CN106368813A (zh) | 一种基于多元时间序列的异常报警数据检测方法 | |
CN113726911B (zh) | 一种基于物联网技术的工厂数据采集处理*** | |
CN116298159B (zh) | 一种工业污水厂污染物溯源方法、装置、存储介质和计算机设备 | |
CN109507972A (zh) | 基于分层式非高斯监测算法的工业生产过程故障监测方法 | |
CN116523908B (zh) | 基于卷料涂布生产线的安全生产方法、***、设备及介质 | |
JP2001526418A (ja) | 処理装置の監視方法 | |
CN116337018A (zh) | 一种水资源在线监测*** | |
Poveda-Jaramillo et al. | Strange attractors in atmospheric boundary-layer turbulence | |
Busababodhin et al. | Copula modelling for multivariate statistical process control: a review | |
Srivastava et al. | Application of deep-learning architecture for image analysis based corrosion detection | |
CN116308293B (zh) | 一种基于数字化平台的农业设备智能管理***及方法 | |
KR20190013108A (ko) | 감육 판별 시스템 및 방법 | |
JPH06117600A (ja) | ガス、蒸気等の漏洩地点および漏洩量推定システム | |
CN114192583B (zh) | 一种基于Scada平台的带钢轧制过程质量监控方法和*** | |
Xu et al. | An efficient method for online identification of steady state for multivariate system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |